Edição em Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# Como o exemplo de revisão de contratos de aluguel da AWS separa a IA das decisões de conformidade

> O exemplo da AWS encaminha perguntas sobre contratos de aluguel ao Amazon Quick, que aciona ferramentas fixas e um mecanismo de regras. Este guia explica o comprovante, o rastro de evidências, os limites de configuração e o que os usuários precisam validar.

By BIG CHANGE Editorial

Published: 2026-10-03T08:22:25.737Z
Updated: 2026-10-03T08:22:25.737Z
Canonical: https://bigchange.ai/blog/aws-lease-compliance-adjudicated-query-guide

![Conceptual charcoal illustration of an open archive drawer filled with lease folders, one orange divider and a blank slip clipped to the drawer front.](https://bigchange.ai/api/media/file/aws-lease-review-archive-hero-v1.png)
AI-generated conceptual editorial illustration by BIG CHANGE.

A AWS publicou um projeto de referência do Amazon Quick para responder a perguntas de conformidade sobre um grande conjunto de contratos de aluguel. A ideia útil é uma transferência de responsabilidade bem definida: o modelo de chat seleciona uma ferramenta fixa e explica a resposta; um mecanismo de regras separado define a população e determina cada resultado. A [publicação de 2 de outubro](https://aws.amazon.com/blogs/machine-learning/sweep-thousands-of-leases-for-compliance-using-amazon-quick-and-the-adjudicated-query-pattern/) e o [repositório de exemplo](https://github.com/aws-samples/sample-quick-adjudicated-query) descrevem uma prova de conceito educacional, não um serviço de conformidade jurídica validado.

Para um engenheiro ou responsável por conformidade, a questão é se essa divisão serve à decisão em análise. O exemplo usa contratos sintéticos, além de regras e citações inventadas. Os totais apresentados ilustram o formato pretendido da saída; não dizem nada sobre a precisão em contratos ou leis reais.

## A grande mudança

- **O que mudou:** O exemplo da AWS transforma a IA em uma interface controlada para ferramentas de revisão fixas. Um mecanismo de regras determina os resultados para uma população enumerada de contratos de aluguel.
- **Por que isso importa:** Regras versionadas e um comprovante de evidências permitem que os revisores inspecionem, fora do chat, como os registros selecionados foram avaliados.
- **O que observar:** O comprovante não valida o inventário, a extração nem as regras jurídicas. Quem adotar o sistema precisa verificar esses dados, a atribuição aos usuários e o desempenho nos próprios dados.

## A população vem antes do prompt

Um usuário pode perguntar ao Quick quais contratos de aluguel no Texas violam uma regra sobre multas por atraso em uma determinada data. O Quick encaminha a solicitação para `sweep_compliance`, uma das seis operações MCP nomeadas. A operação usa a jurisdição e a data especificadas para selecionar a população e as versões aplicáveis das regras. O modelo não escreve o SQL nem determina se uma cláusula está em conformidade. O mecanismo de regras aplica operadores de comparação fixos, com os valores das regras passados como parâmetros. Segundo a AWS, a varredura oficial não consulta um modelo. [A AWS explica aqui o contrato da operação](https://aws.amazon.com/blogs/machine-learning/sweep-thousands-of-leases-for-compliance-using-amazon-quick-and-the-adjudicated-query-pattern/); o [repositório descreve a implementação](https://github.com/aws-samples/sample-quick-adjudicated-query).

As outras ferramentas têm escopos mais restritos. `simulate_rule_change` fornece contagens exploratórias para um valor proposto, sem registrar constatações. `explore_clauses` classifica uma amostra filtrada por similaridade semântica e não responde à pergunta “quantos?”. `get_finding` recupera uma cadeia de evidências; `list_rules` mostra quais regras estavam em vigor em uma data; `check_connection` verifica o transporte. Essa distinção importa porque uma amostra de cláusulas relevantes não equivale a um censo.

A varredura gera um comprovante que contabiliza cada registro analisado em uma de quatro categorias: em conformidade, em violação, ambíguo ou ilegível. Antes de confirmar os resultados, o mecanismo verifica se a soma dessas contagens corresponde ao total analisado. O Quick pode exibir as contagens e uma pequena amostra, enquanto um painel do Quick Sight consulta os resultados completos no mesmo banco de dados Aurora. Cada constatação inclui o texto da cláusula, os valores extraídos e esperados, a versão da regra e a citação. Essas são características do projeto do exemplo da AWS, não uma afirmação de que a BIG CHANGE executou ou verificou os resultados de forma independente.

O comprovante contabiliza a população selecionada. Ele não demonstra que o inventário de origem contém todos os contratos, que a extração capturou corretamente todas as cláusulas relevantes nem que uma regra reflete a legislação vigente. Para isso, são necessários processos separados de conciliação, revisão da extração e aprovação jurídica. Se o denominador de “todos os contratos de aluguel no Texas” for incerto, uma contagem exata ainda poderá descrever o conjunto errado.

## O que seria necessário construir

A [arquitetura de exemplo](https://github.com/aws-samples/sample-quick-adjudicated-query) coloca um agente de chat do Quick diante de um servidor MCP no AWS Lambda. O Amazon Cognito emite um token de serviço, que é verificado pelo API Gateway. O Lambda lê e grava no Aurora Serverless v2 por meio da RDS Data API. O Quick Sight acessa o mesmo banco de dados por uma conexão VPC. A AWS reserva as incorporações do Bedrock e um modelo de linguagem para a ferramenta exploratória de busca de cláusulas; a varredura oficial continua determinística.

O exemplo publicado contém um corpus sintético de 50.000 contratos de aluguel, um conjunto versionado de regras e um script de aceitação que, segundo a AWS, executa 28 verificações em uma pilha implantada. O repositório alerta explicitamente que o código não está pronto para produção, o conteúdo jurídico foi inventado e os dados reais de locatários exigem mais testes de segurança e validação jurídica independente. Inspecionamos a documentação e a descrição do repositório; não implantamos a pilha, executamos essas verificações nem testamos o roteamento de ferramentas do agente de chat.

Para adaptar o exemplo, primeiro estabeleça o inventário oficial dos registros e uma regra exata de inclusão. Depois, decida quais campos podem ser extraídos com confiabilidade, quais comparações de regras são realmente mecânicas e quem aprova cada versão das regras. Preserve o texto de origem, o status da extração, a versão da regra, o operador, os valores comparados, a data e o ID da constatação para que um revisor possa reconstruir o resultado. Concilie o comprovante com o inventário fora da resposta do chat. Essas verificações de projeto se baseiam nas garantias e nos limites declarados pelo exemplo; não são etapas que testamos.

Segundo a AWS, o token de credenciais de cliente do Cognito identifica o aplicativo Quick, não a pessoa que faz a pergunta no chat. O exemplo depende da correlação entre um ID e horário de varredura e a camada de auditoria do Quick para identificar o usuário; a AWS sugere transmitir e armazenar um ID de usuário final caso o próprio repositório de conformidade precise registrar essa identidade. Uma equipe que precise que cada constatação sirva, por si só, como registro de auditoria deve definir esse projeto antes da implantação.

## Acesso, limites e custos

O passo a passo da AWS pressupõe uma conta AWS, credenciais configuradas da AWS CLI v2, Python e Node 24 para o CDK, acesso aos modelos no `us-east-1`, além de um ambiente do Amazon Quick com um conector MCP e o Quick Sight. A publicação menciona Python 3.12; o README vinculado exige Python 3.9 ou posterior. Consulte os requisitos atuais do repositório ao escolher um ambiente local. As instruções do exemplo fixam a versão 2.261.0 da CLI do CDK, mas essa versão é uma dependência do exemplo, não um requisito geral da AWS.

O atual [guia de MCP do Quick](https://docs.aws.amazon.com/quick/latest/userguide/mcp-integration.html) define um tempo limite fixo de 60 segundos para cada operação, permite no máximo 100 ferramentas por conexão de servidor e não transmite cabeçalhos HTTP personalizados. Esse limite de tempo merece ser testado para cargas de trabalho de grande escala: mesmo uma tarefa de banco de dados correta e demorada não pode ser concluída como operação síncrona do Quick se ultrapassar o limite do conector. O guia diz que a lista de ferramentas de um conector personalizado pode ser atualizada com **Sync**. Já o blog da AWS e o README do exemplo instruem os usuários a excluir e recriar a integração após alterações nas ferramentas. Siga a documentação vigente do Quick para o conector atual e verifique a lista de ferramentas registradas e o roteamento no seu próprio ambiente.

Como se trata de uma implementação com vários serviços, o material publicado não permite defender um único “preço por varredura”. A [página de preços do Quick](https://aws.amazon.com/quick/pricing/pricing/) separa os termos de assinatura e de horas de agente e lista cobranças adicionais do Quick Sight para alguns recursos. A [página de preços do Aurora](https://aws.amazon.com/rds/aurora/pricing/) depende da configuração de capacidade, armazenamento e E/S; o exemplo mantém ativo um mínimo de 0,5 ACU em vez de pausar o banco até zero. Também é necessário estimar a carga de trabalho para o API Gateway, o Lambda e eventuais chamadas exploratórias ao Bedrock. O repositório sugere destruir a pilha após a avaliação para evitar cobranças contínuas. Nenhum recurso da AWS foi criado para este artigo.

## Uma lista de verificação para decidir

Use esse padrão somente depois que a equipe puder responder às perguntas a seguir com os próprios dados e controles:

- Você consegue enumerar toda a população com um predicado estável e revisado e conciliá-la com um inventário oficial?
- As regras são comparações mecânicas, com versões aprovadas, datas de vigência e citações? Quais casos devem continuar ambíguos e ser encaminhados à revisão humana?
- É possível contabilizar falhas de extração e documentos ilegíveis em vez de excluí-los silenciosamente?
- Cada constatação mantém a cláusula de origem, os valores comparados e a versão da regra? Você consegue recuperar o conjunto completo de evidências fora do chat?
- A varredura consegue terminar dentro do tempo limite das operações do Quick? Como você rastreará o resultado até a pessoa que o solicitou?
- A equipe estimou os custos de assinatura, banco de dados e serviços para o volume esperado e, em seguida, testou o desempenho e a qualidade dos resultados em dados autorizados?

Se a tarefa exigir interpretação jurídica ou julgamento sobre um padrão em aberto, um rótulo determinístico de aprovação/reprovação pode ocultar justamente a decisão que exige análise humana. Se a equipe quiser exemplos representativos, a recuperação semântica é mais simples. Se um mecanismo de regras e um painel já revisados atendem aos usuários responsáveis, a camada de conversação é opcional. Essas alternativas decorrem da própria discussão da AWS sobre “escolher a opção errada” e dos limites do exemplo sintético.

## Fontes e leituras complementares

- [Blog de Machine Learning da AWS, “Examinar milhares de contratos de aluguel para verificar conformidade usando o Amazon Quick e o padrão Adjudicated Query”](https://aws.amazon.com/blogs/machine-learning/sweep-thousands-of-leases-for-compliance-using-amazon-quick-and-the-adjudicated-query-pattern/) (2 de outubro de 2026). Arquitetura do fornecedor, semântica das operações, passo a passo do exemplo e limites de falha declarados. As contagens e o comportamento do exemplo são descrições da AWS, não medições independentes.
- [Repositório de exemplo da AWS](https://github.com/aws-samples/sample-quick-adjudicated-query). README, mapa de arquivos, premissas de configuração e alertas explícitos sobre dados sintéticos, legislação inventada e falta de prontidão para produção. O código não foi implantado nem testado para este artigo.
- [Guia de integração MCP do Amazon Quick](https://docs.aws.amazon.com/quick/latest/userguide/mcp-integration.html). Documentação atual do conector: tempo limite de 60 segundos por operação, máximo de 100 ferramentas, ausência de cabeçalhos personalizados e uso de Sync para atualizar ferramentas de conectores personalizados. A instrução sobre Sync difere das orientações de excluir e recriar do artigo e do README.
- [Preços do Amazon Quick](https://aws.amazon.com/quick/pricing/pricing/) e [preços do Amazon Aurora](https://aws.amazon.com/rds/aurora/pricing/). Estruturas de preços e variáveis atuais para estimar uma carga de trabalho real; nenhuma das fontes fornece o custo completo deste exemplo.

## Sources

- [Examinar milhares de contratos de aluguel para verificar conformidade usando o Amazon Quick e o padrão Adjudicated Query](https://aws.amazon.com/blogs/machine-learning/sweep-thousands-of-leases-for-compliance-using-amazon-quick-and-the-adjudicated-query-pattern/) — . Publicação oficial do fornecedor que descreve a arquitetura, as seis ferramentas MCP, as saídas do exemplo, a configuração e os limites. O exemplo é sintético e não constitui teste da BIG CHANGE nem validação independente.
- [aws-samples/sample-quick-adjudicated-query](https://github.com/aws-samples/sample-quick-adjudicated-query) — . README oficial do exemplo, mapa de arquivos e pré-requisitos. O texto alerta explicitamente que os dados e as regras jurídicas são sintéticos ou inventados, que o código não está pronto para produção e que são necessárias validações jurídica e de segurança. A BIG CHANGE não implantou nem testou o exemplo.
- [Integração do Model Context Protocol (MCP) — Amazon Quick](https://docs.aws.amazon.com/quick/latest/userguide/mcp-integration.html) — . Documentação atual do conector: limite de 60 segundos por operação, máximo de 100 ferramentas, ausência de cabeçalhos personalizados e uso de Sync para atualizar ferramentas de conectores personalizados. A instrução sobre Sync difere da orientação do exemplo para excluir e recriar a integração.
- [Preços do Amazon Quick](https://aws.amazon.com/quick/pricing/pricing/) — . Estrutura oficial de preços de planos, horas de agente e Quick Sight; não inclui o custo de toda a pilha de referência nem o de uma varredura.
- [Preços do Amazon Aurora](https://aws.amazon.com/rds/aurora/pricing/) — . Estrutura oficial de custos variáveis do Aurora conforme a capacidade, o armazenamento e a E/S. O README do exemplo especifica um mínimo ativo de 0,5 ACU. Não foi feita uma estimativa do custo total da carga de trabalho.